マティアス・フォン・ダヴィア

マティアス・フォン・ダヴィアは心理測定学者、学者、発明家、作家である。彼はリンチ教育人間開発学部のTIMSS & PIRLS国際研究センターのエグゼクティブディレクターであり、ボストン大学のJ・ドナルド・モナンSJ教育学教授でもある。^[1]

フォン・ダヴィアの研究は、複雑な教育データや調査データを分析するための高度な心理測定モデルと方法論の開発に焦点を当てています。彼は130以上の研究論文、章、研究報告書を執筆または共著しており、共編者のシリーズMethodology of Educational Measurement and Assessmentの一部であるAdvancing Human Assessment を含む6冊の書籍を執筆しています。 ^{[2]さらに、2006 ETS Research Scientist award、 [3]} 2012 National Council on Measurement in Education (NCME) Brad Hanson Award for Contributions to Educational Measurement、^[4]著書Handbook of International Large-Scale AssessmentによるAERA Division-D 2017 Award for Significant Contribution to Measurement and Research Methodology など、多数の賞を受賞しています。^[5]

フォン・ダヴィアは2021年からアメリカ教育研究協会（AERA）のフェローを務めており^[6]、2022年からは全米教育アカデミーの会員に選出されています^{[7]。彼は、2つの主要な科学雑誌である}British Journal of Mathematical and Statistical PsychologyとPsychometrikaの編集者を務めており^{[8] 、} IEAとETSの共同出版物であるSpringerジャーナルLarge-Scale Assessments in Educationの創刊編集者2人のうちの1人です。^[9]また、フォーダム大学でのアン・アナスタシ講演会、^[10]ドバイでの第9回IEA国際研究会議、^[11]中国南昌での教育測定に関するクロスストレート会議、国際心理測定学会、コネチカット大学、^[12]ミュンヘン・ルートヴィヒ・マクシミリアン大学、^[13]経済協力開発機構[14]の基調講演者として招待されて^いる。

フォン・ダヴィアは1993年にキール大学数学・理学部（Mathematisch-Naturwissenschaftlichen Fakultät）で心理学の修士号を優秀な成績で取得しました。その後、 1996年に同学部で心理学の博士号（ Dr. rer. nat. ）を取得しました。 ^[15]

フォン・ダヴィアのキャリアは、キール大学の科学教育研究所（IPN）のアシスタント研究科学者として始まりました。その後、ニュージャージー州プリンストンの教育テストサービス（ETS）で博士研究員として研究し、複雑なIRTモデルの項目適合度尺度を開発しました。2000年11月から2004年4月まで、プリンストンのETSのグローバル評価センターの研究科学者として勤務しました。^[16]

2004年、フォン・ダヴィアはプリンストンのグローバルアセスメントセンターの上級研究科学者となり、成果に基づくモデルの評価に重点を置いた取り組みを主導した。教育テストサービス（ETS）内でさまざまな役職を経て、2007年に上級研究科学者としての責任を引き受け、同時に全国教育進歩評価（NAEP）タスクオーダーコンポーネントのテクニカルディレクターを務め、ETS/IEA研究所のバーチャルリサーチラボを管理した。その他の職務の中で、2007年5月に主席研究科学者に就任した。^[17]

フォン・ダヴィアは2011年6月にグローバルアセスメントセンターの研究ディレクターに任命され、国際調査評価研究を監督し、共同リーダーとしてETS研究イニシアチブを主導しました。2013年9月からグローバルアセスメントセンターの共同ディレクターを務め、2014年10月からは上級研究ディレクターを兼任しています。2017年1月、フィラデルフィアの全米医師資格審査委員会（NBME）の著名な研究科学者に就任しました。^[18] 2020年9月からボストンカレッジのリンチ教育人間開発学部のTIMSS＆PIRLS国際研究センターのエグゼクティブディレクターを務めており、同校のJ・ドナルド・モナン神父、教育学大学教授も務めています。^[19]

フォン・ダヴィアの研究分野には、項目反応理論（IRT）、潜在クラス分析、診断分類モデルが含まれており、分類と混合分布モデル、計算統計、人物適合、項目適合、モデル検査、カテゴリデータ分析のための階層モデル拡張に広く重点が置かれています。^[20]

心理測定方法論に焦点を当てたフォン・ダヴィアの定量的方法論研究はいくつかの特許を取得している。^{[21] [22] [23] [24]}

フォン・ダヴィアの心理測定学における研究は、モデル開発、モデル適合、および推定法を中心に行われ、複雑なデータ収集設計における潜在変数モデルの並列計算と推定も含まれる。主な例としては、様々な多値ラシュモデルの条件付き最大尤度推定、混合分布ラシュモデルの拡張、多値ハイブリッドモデルなど、ラシュモデル周辺のモデル拡張への貢献が挙げられる。 ^[25]彼は、人、項目、およびモデル適合評価を含む潜在変数モデルの適合評価に取り組んできた。その他の貢献の中でも、一般診断モデル ^[26]は、バイナリおよび多値データ、ならびにバイナリおよび多値順序属性の両方に対する柔軟な診断分類モデルであると考えられている。彼の研究には、Parallel-E、Parallel-Mアルゴリズムも含まれる。^[27] 中断規則を使用した知能テストの実施に関する基本的な結果は、フォン・ダヴィアと共同研究者によって導き出された^[28]。

彼はまた、速度精度モデルの拡張を含む、達成度、非回答、プロセスデータに関する情報を統合するモデルを開発しました。^{[29] [30]}さらに、彼の研究は、自動問題生成と自動採点における人工知能の使用を掘り下げました。 ^{[31] [32] [33]}

フォン・ダヴィアの応用研究は、国際的な大規模評価における心理測定法の活用に焦点を当てています。ETSとボストンカレッジでの役割において、彼は紙ベースとコンピュータベースの評価の結果を一致させるように設計された研究のデータを用いたモード効果モデルを使用して、 PIAAC 2012、PISA 2015、TIMSS 2019、PIRLS 2021を紙ベースからコンピュータベースのトレンドラインに移行する心理測定研究を主導しました。^[34]

彼の研究のもう一つの分野は、大規模な教育評価におけるリンクというより一般的な問題に関するものである。^{[35] [36]}

フォン・ダヴィアの研究の3番目の分野は、回答スタイルと自己報告における調査回答バイアスの修正について議論した。その応用範囲は、性格データの混合モデル^{[37] [38]}から、アンカービネットによる回答バイアスの修正の試みの落とし穴まで多岐にわたる。^[39]最近では、彼の研究の焦点は、達成度の推定を改善し、評価結果を文脈化するために、評価におけるプロセスデータの使用であった。^{[29] [30] [40]}

フォン・ダヴィアは、査読付きジャーナル、編集本、モノグラフ、研究報告シリーズで150以上の出版物を執筆または共著しています。彼のh指数は52です。彼は、心理測定学における潜在変数モデルから国際大規模評価、評価におけるNLPまで、さまざまなトピックに関するいくつかの本の共著者です。^[41]

フォン・ダヴィアの最初の著書『多変量および混合分布ラシュモデル：拡張と応用』では、教育、心理学、健康科学など、さまざまな分野にわたるラシュモデルの高度な応用と拡張について検討した。アラン・S・コーエンは、アメリカ統計学会誌で「ユルゲン・ロストの退職を記念して出版されたこの本は、項目反応理論（IRT）の分野で著名な研究者によって書かれた22の招待論文の章を編集した本である」とコメントした。^[42]彼の次の著書『国際大規模評価の役割：技術、経済、教育研究からの視点』は2012年に出版され、政策、教育、研究に影響を与える人的資本の分配の役割を理解する上で、変化の触媒としての大規模な国際評価の重要性について論じた。 2013年、彼はレスリー・ルトコウスキーとデイビッド・ルトコウスキーと共に『国際大規模評価ハンドブック：背景、技術的問題、データ分析の方法』を共同編集し、教育における国際大規模評価（ILSA）の方法論、技術的詳細、政策的影響について検討した。テリー・アッカーマンは「この本は国際大規模評価（ILSA）の優れたリソースでありガイドである。3人の編集者は、国際テストや行動統計から教育政策まで専門知識を持つ著名な学者のグループを特定するという素晴らしい仕事をした」と述べた。^[43]

フォン・ダヴィアは、ランディ・E・ベネットとともに、 2017年に『Advancing Human Assessment: The Methodological, Psychological and Policy Contributions of ETS』を出版し、ETSによる人間による評価の進歩について詳述し、測定と統計、教育政策、心理学、広く使用されている教育調査と方法論の開発を取り上げています。この評価方法論の探求を基に、2023年にはビクトリア・ヤネバと共同で『Advancing Natural Language Processing in Educational Assessment』を編集し、教育テストと評価におけるNLPの使用の実装、利点、課題を検討しました。さらに、著書『Handbook of Diagnostic Classification Models: Models and Model Extensions, Applications, Software Packages』では、診断分類モデル（DCM）の概要を示し、従来の評価モデルと比較して、複数のスキル領域にわたる受験者のパフォーマンスの詳細な評価を提供することで、その開発、適用、および利点について説明しています。ユ・バオはこの本をレビューし、「診断分類モデルハンドブックは、大多数の研究テーマの包括的なコレクションと、ここ数十年で影響力のある出版物の要約で構成された参考書として役立ちます」と述べています。^[44]

von Davierは、引用数の多い研究で、大規模な国際評価のデータを分析し報告するために研究者が使用できる方法について書き、偏りのない結果を確実にするために共通の問題と統計的複雑さに対処しています。^[45]彼は、偏った推定を避けるために大規模な調査データ分析で妥当な値を正しく使用することの重要性を強調し、確立された手順とガイドラインに従う必要性を強調しました。^[46]さらに、最大尤度法を使用した多次元スキルプロファイルの診断モデルを提示し、シミュレートされたデータと実際のデータでのその適用を実証し、^[47] TOEFLインターネットベーステスト（iBT）フィールドテストデータに焦点を当て、多値データと欠損回答に適したスキルプロファイルを推定するための一般診断モデル（GDM）を紹介しました。^[48]関連する研究では、診断モデリングに対するG-DINAとLCDMのアプローチがGDMの特殊なケースであることを示しました。^[49]彼のその後の研究のいくつかは、大規模言語モデル、リカレントニューラルネットワーク、およびその他のいわゆるAI手法に焦点を当てており、それらが自動問題生成、自動採点、および大規模な教育評価の他のアプリケーションにどのように使用できるかを検討しました。^{[31] [32] [33]}

• 2006年 – ETS科学者賞、ETS ^[3]
• 2012年 – 教育測定への貢献に対するブラッドリー・ハンソン賞、NCME ^[4]
• 2017年 - 教育測定と研究方法論への顕著な貢献に対する賞、AERA ^[5]

• 多変量および混合分布ラシェモデル：拡張と応用（2007）ISBN  978-0387329161
• 国際大規模評価の役割：テクノロジー、経済、教育研究の視点（2012）ISBN 978-9400797116 
• 国際大規模評価ハンドブック：背景、技術的問題、データ分析の方法（2013）ISBN 978-1439895122 
• 人間評価の推進：ETSの方法論的、心理学的、政策的貢献（2017）ISBN 978-3319586878 
• 診断分類モデルハンドブック: モデルとモデル拡張、アプリケーション、ソフトウェア パッケージ(2019) ISBN 978-3030055837 
• 教育評価における自然言語処理の推進（2023）ISBN 978-1032244525 

• Von Davier, M. (2008). 言語テストデータに適用された一般的な診断モデル。British Journal of Mathematical and Statistical Psychology, 61(2), 287–307. 言語テストデータに適用された一般的な診断モデル
• Von Davier, M., Gonzalez, E., & Mislevy, R. (2009). 妥当な値とは何か、そしてなぜそれが有用なのか。IERIモノグラフシリーズ、2(1)、9-36。
• Rutkowski, L., Gonzalez, E., Joncas, M., & Von Davier, M. (2010). 国際大規模評価データ: 二次分析と報告の課題。教育研究者、39(2), 142–151。国際大規模評価データ: 二次分析と報告の課題
• Von Davier, M. (2018). リカレントニューラルネットワークによる自動アイテム生成。Psychometrika, 83(4), 847–857. リカレントニューラルネットワークによる自動アイテム生成
• Ulitzsch, E., von Davier, M., & Pohl, S. (2020). 推測と項目レベルの無回答の観点から見た受験者の関与についての推論のための階層的潜在反応モデル。British Journal of Mathematical and Statistical Psychology, 73, 83–112. 推測と項目レベルの無回答の観点から見た受験者の関与についての推論のための階層的潜在反応モデル
• Bezirhan, U., & von Davier, M. (2023). OpenAI の大規模言語モデルによる自動読解文章生成。コンピュータと教育: 人工知能、5、100161。OpenAI の大規模言語モデルによる自動読解文章生成
• Jung, JY, Tyack, L., & von Davier, M. (2024). 機械翻訳と自動採点を組み合わせた国際大規模評価。大規模教育評価、12(1), 10。機械翻訳と自動採点を組み合わせた国際大規模評価